Content recommender system for Beam
Definition
Recommender systems are software that seek to predict the "rating" or "preference" that a user would give to an item.
Goals
Business goals
- Increase product sales / conversion rate
- Sell more diverse items
-
Increase the user satisfaction
-
Increase user loyalty
Technical goals
- Relevance
- Novelty
- Serendipity
Techniques
- Collaborative filtering systems
- Recommends items of users with similar taste
- If users agreed in the past, they will agree in the future
- Content-based systems
- Recommends items that are similar to what a user has "liked" in the past
- Uses item properties (e.g. tags, description)
- Knowledge-based systems
- Recommends items based on domain knowledge and specifications
- Hybrid systems
Hoofdvraag
Hoe kan Beam op basis van gebruikersgegevens content aanbieden aan gebruikers die aansluit op de interesses van de gebruiker door middel van een aanbevelingssysteem?
Deelvragen
-
Welke gegevens moet Beam verzamelen van de gebruiker?
-
Hoe kunnen de interesses van de gebruiker afgeleid worden uit de gebruikersgegevens?
-
Hoe kan het systeem waardevolle hulp aanbieden voor het ontdekken van content?
-
Welke technieken zijn er om aanbevelingssystemen te ontwikkelen?
-
Welke techniek voor het ontwikkelen van aanbevelingssystemen past het best bij de use
case?
-
Welk algoritme kan het beste gebruikt worden voor het aanbevelingssysteem?
-
In hoeverre kan er gebruik gemaakt worden van bestaande systemen om het systeem te
realiseren?
Planning
- Global schedule
- Scrum
End result
- Advice on how Awkward can create a recommender system for Beam
- Proof of concept
What's next?
- Narrowing down
- Moar research
- Brainstorming
deck
By Timon van Spronsen
deck
- 273